MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATIONUNTUK IDENTIFIKAASI PElMBICARA DENGAN PRAPROSES MFCC

Abstract

Pada penelitian ini, dikembangkan suatu model jaringan syaraf tiruan resilient backpropagation untuk ldentifikasi pembicara dengan ekstraksi ciri menggunakan teknik MFCC. Data suara yang digunakan dalam penelitian ini adalah data suara yang diambil secara unguided atau tanpa panduan dari 10 pembicara yang mengucapkan ujaran "komputer". Selain itu diamati pula pengaruh noise terhadap akurasi identifikasi dengan cara menambahkan white gaussian noise pada data yang digunakall. Untuk meninlgkatkan keyakinan pendeteksian. digunakan nilai threshold sebagai batas minimum dari seorang pembicara. Hasll percobaan menunjukkan hasilI jumlah neuron terbaik adalah 100, dan untuk sinyal asli, akurasi rata -rata diperoleh sebesar 96%. namun untuk. sinyal bernois 30 dB dan 20 dB, akurasi rata-rata berkisar 60-70% dan 40-50%. Dengan memberikan threshold, meskipun akurasi turun menjadi 85%. namun tingkat keyakinan pengenalan menjadi lebih tinggi. Dalam hal ini tidak ada salah klasifikasii dari seorang pembicara ke pembicara lain.